基于蒙特卡洛法 以IEEE33节点为例进行概率潮流计算 分析风电和光伏的出力情况（matlab程序）

0.代码链接

基于蒙特卡洛法分析了风电和光伏的出力情况，之后以IEEE33节点为例进行概率潮流计算（matlab程序实现）_蒙特卡洛光伏matlab代码资源-CSDN文库

1.简述

     考虑到系统输入随机变量的不确定性,建立了风能、太阳能与电、热负荷的不确定性模型,其中风速、光照度分别采用经典的威布尔(Weibull)分布和贝塔分布(Beta)概率模型,通过风速-功率模型以及光照强度-功率模型进而获得风、光输出电功率与热功率的概率分布模型,电、热负荷均采用正态分布概率模型;依据构建的输入随机变量概率模型,采用基于拉丁超立方的蒙特卡洛模拟法对系统中的源荷不确定模型进行采样,使采样得到的样本矩阵进行电热多能流求解,获得电-热综合能源系统中状态变量的概率分布特征,更进一步探究系统的能流分布特性。且通过电热多能流的计算过程表明,基于拉丁超立方的蒙特卡洛模拟法与基本的蒙特卡罗模拟法相比,能够显著提高计算效率且计算精度满足工程要求,具有很好的工程实用价值。 

2.部分代码

%% 蒙特卡洛随机潮流计算样本规模
times=5e3;
%% 蒙特卡洛模拟采样随机变量样本
Pi=abs(B2(:,3));
Qi=abs(B2(:,4));
nPQi=length(Pi);
Nodenum=33;
% 负荷服从正态分布，变异系数ld_ero
ld_ero=0.05;
Pld_samp=zeros(Nodenum,times);
Qld_samp=zeros(Nodenum,times);
% 负荷有功、无功出力样本
for k=1:nPQi
    Pld_samp(k,:)=normrnd(Pi(k),Pi(k)*ld_ero,1,times);             
    Qld_samp(k,:)=normrnd(Qi(k),Qi(k)*ld_ero,1,times);
end
% 光伏有功服从Beta分布，单位功率因数
Ppv_samp=zeros(1,times);
% Beta分布的两个形状参数
a_pv=0.6869;  %0.45
b_pv=2.1320;  %9.18
% 光伏发电相关参数：组件总面积S_pv、光电转换率prey_pv、最大光强rmax(MW/m2)
S_pv=7000;
prey_pv=0.14;
rmax=0.8e-3;
% 光伏有功出力样本
pv_samp(1,:)=betarnd(a_pv,b_pv,1,times);
 Ppv_samp(1,:)=pv_samp(1,:)*rmax*S_pv*prey_pv*1000;
。。。。。。。

3.运行结果

 

 

4.参考文献

[1]吕航,吴琼,王浩婷等.考虑不确定性的电热耦合多能微网系统概率潮流计算[J].上海电力大学学报,2023,39(02):167-174.

[1]戚盼. 电-热综合能源系统多能流分布特性分析[D].内蒙古科技大学,2022.DOI:10.27724/d.cnki.gnmgk.2022.000640.